Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA:TRABAJO PRODUCTO- INVESTIGACI
ÓN VII.
OBJETIVO GENERAL
Evaluar el tiempo transcurrido hasta la falla de un componente de máquina y su relación con las variables voltaje de
operación, velocidad del motor y temperatura de operación
OBJETIVOS ESPECIFICOS
Probar la existencia de relación entre el tiempo (modelo de regresión) transcurrido hasta la falla de un componente de
máquina (y) con cada una de las variables indicadas.
Probar si el tiempo transcurrido hasta la falla de un componente de máquina (y) está relacionada en forma conjunta con las
tres variables independientes (x1, x2, x3) y obtener un modelo de regresión múltiple y utilizarlo con fines de predicción.
Utilizar el modelo encontrado para estimar, en forma puntual e interválica, el tiempo promedio y el tiempo transcurrido.
los residuos deben ser independientes entre sí, es decir los residuos constituyen
una variable aleatoria. La independencia podemos comprobarla con el estadístico
de Durbin-Watson.
b. Variable dependiente: Y
Prueba de Homocedasticidad (igualdad de varianzas):
Figura 3:Grafico de dispersión para Caso Y y X1
Prueba de la Normalidad
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico Estadístico
gl Sig. gl Sig.
Unstandardized Residual ,194 15 ,134 ,920 15 ,192
Figura 2:Histograma de
Regresión para Caso
Y y X1
Prueba de Homocedasticidad
(igualdad de varianzas):
Figura 3:Grafico de dispersión
para Caso Y y X1
Figura 4:Grafico
P-P de regresión
Caso Y y X1
•Prueba de la Normalidad
Tabla 3:Comprobación para la prueba
de normalidad Caso Y y X1
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk •Ecuación de
Estadísti Estadísti Regresión
co gl Sig. co gl Sig.
Unstandardized ,194 15 ,134 ,920 15 ,192
Residual
a. Corrección de significación de Lilliefors
y=777,404+12,537X1y=7
77,404+12,537X1
ANOVAa
Suma
de cuadrado Media cuad •Modelo de Regresión
Modelo s gl rática F Sig.
1 Regresión 92738,320 1 92738,320 14,646 ,002b Tabla 4:Existencia de relación entre
Residuo 82316,613 13 6332,047 variable del Caso Y y X1
Total 175054,933 14
a. Variable dependiente: Y
b. Predictores: (Constante), X1
•CASO TIEMPO TRANSCURRIDO (Y) Y VELOCIDAD DEL MOTOR EN RPM X 2
Resumen del modelob Figura 5:Histograma de
Regresión para el caso de
Y y X2
Error estándar
R cuadrado aju de Haga
la clic Durbin-
para agregar
Modelo R R cuadrado stado texto
estimación Watson
1 ,661a ,437 ,394 87,070 1,654
b. Variable dependiente: Y
Prueba de Homocedasticidad (igualdad de varianzas):
Figura 6:Grafico de dispersión para Caso Y y X1
•Prueba de la Normalidad
Tabla 6:Comprobación para la
prueba de normalidad Caso
Y y X2
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadísti Estadísti •Ecuación de
co gl Sig. co gl Sig.
Regresión
Unstandardized ,244 15 ,016 ,892 15 ,073
Residual
a. Corrección de significación de Lilliefors y=1880,357+0,388X1y=1
880,357+0,388X1
ANOVAa
Suma
•Modelo de Regresión de cuadrado Media cuad
Modelo s gl rática F Sig.
Tabla 7:Existencia de
1 Regresión 76500,434 1 76500,434 10,091 ,007b
relación entre variable del
Residuo 98554,499 13 7581,115
Caso Y y X2
Total 175054,933 14
a. Variable dependiente: Y
b. Predictores: (Constante), RPM(X2)
•CASO TIEMPO TRANSCURRIDO
(Y) Y TEMPERATURA DE
OPERACIÓN EN F° X3 Figura 8:Histograma de
•Prueba de la Independencia de los Regresión para el caso
errores: de Y y X3
Tabla 8:Análisis del estadístico Durbin-
Watson para el Caso Y y X3
Resumen del modelob
Error
estándar de
Mode R cuadrad R cuadrado la Durbin-
lo R o ajustado estimación Watson
1 ,491a ,241 ,182 101,110 1,500
a. Predictores: (Constante), F°
b. Variable dependiente: Y
•Prueba de Homocedasticidad
(igualdad de varianzas): Figura 10:Grafico P-P de
Figura 9:Grafico de dispersión regresión Caso Y y X3
para Caso Y y X3
•Modelo de Regresión
•Prueba de Figura 12:Existencia de
la Normalidad relación entre variable del
Caso Y y X3
Figura 11:Comprobación
para la prueba de ANOVAa
normalidad Caso Y y X3 Suma
de cuadrado Media cuad
Modelo s gl rática F Sig.
Pruebas de normalidad 1 Regresión 42152,829 1 42152,829 4,123 ,063b
Kolmogorov-Smirnova Shapiro-Wilk Residuo 132902,105 13 10223,239
Estadísti Estadísti
co gl Sig. co gl
•Ecuación
Ecuación deSig.
deRegresión
Regresión Total 175054,933 14
Unstandardized ,221 15 ,046 ,887 15 ,059
Residual a. Variable dependiente: Y
y=2565,463
a. Corrección de significación de Lilliefors b. Predictores: (Constante), F°
2)Pruebe si el tiempo transcurrido hasta la falla de un componente
de máquina (Y) está relacionada en forma conjunta con las tres
variables independientes (X X X ) y obtenga un modelo de 1, 2, 3
Resumen del modelob
Error estándar
R cuadrado de la Durbin-
Modelo R R cuadrado ajustado estimación Watson
1 ,728a ,530 ,494 79,574 1,932
b. Variable dependiente: Y
B) Homocestacidad C) Normalidad
de los residuos:
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadísti Estadísti
co gl Sig. co gl Sig.
Unstandardized Resid ,194 15 ,134 ,920 15 ,192
ual
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 92738,320 1 92738,320 14,646 ,002b
Residuo 82316,613 13 6332,047
Total 175054,933 14
a. Variable dependiente: Y
b. Predictores: (Constante), X1
Coeficientesa
Coeficient
es
Coeficientes no estandariz 95.0% intervalo de
estandarizados ados confianza para B
Desv. Límite Límite
Modelo B Error Beta t Sig. inferior superior
1 (Constante 777,404 383,844 2,025 ,064 -51,841 1606,649
)
X1 12,537 3,276 ,728 3,827 ,002 5,460 19,615
a. Variable dependiente: Y
Para hallar esa estimación la forma correcta que debería utilizarse seria empleando como es nuestro modelo de regresión múltiple, pero
sin contar la constante ya que como pudimos observar antes el P de este era mayor a 0,05 por lo cual no debería de utilizarse
Entonces mostrare la forma correcta y la que nos brinda el sistema. El cual nos muestra un aproximado al resultado aplicando nuestro
modelo.